一项突破(po)性的(de)科研(yan)成果将卷积神经网络(luo)的(de)概念引(yin)入光学领域，为人工智能成像技术带(dai)来(lai)了(le)进展。
澎湃新闻（www.thepaper.cn）记者6月17日获悉，由上海理工大(da)学智能科技学院张启明教授，智能科技学院、张江实验室光计算(suan)所顾敏院士领衔的(de)研(yan)究团队，开发了(le)一种超快(kuai)速的(de)卷积光学神经网络(luo)（ONN），这(zhe)一技术在无需依赖光学记忆效应的(de)情况下，实现(xian)了(le)对散射介质(zhi)后的(de)物体进行(xing)高效、清(qing)晰的(de)成像。这(zhe)不仅是(shi)对传统光学成像技术的(de)一次颠覆，更是(shi)卷积网络(luo)在人工智能中应用潜力(li)的(de)一次展示。
该成果于6月14日以“基于超快(kuai)卷积光学神经网络(luo)的(de)非记忆效应散射成像(Memory-less scattering imaging with ultrafast convolutional optical neural networks)”为题发表于《科学》(Science)子刊《科学进展》（Science Advances）上，智能科技学院张雨超特聘研(yan)究员为第一作者，顾敏院士和张启明教授为共同通讯(xun)作者。
CNN作为目前为止应用最为广泛的(de)一种人工智能神经网络(luo)架构，它由生物的(de)视(shi)觉皮层系统发展而来(lai)，视(shi)觉皮层结(jie)构由Hubel和Wiesel于1981年所提出，并获得了(le)诺贝尔奖。卷积操作作为CNN中的(de)核(he)心，通过提取图像的(de)局部(bu)特征并逐层构建更为复杂和抽象的(de)特征表示，极大(da)地推动了(le)图像处理和模式识别领域的(de)发展。然(ran)而，将这(zhe)一概念应用于光学领域，面临着将电子信号转换为光学信号的(de)挑战。研(yan)究团队巧(qiao)妙(miao)地设计了(le)一种全(quan)光学的(de)解决方案，通过在光域中直接进行(xing)卷积网络(luo)操作，省去了(le)繁(fan)琐的(de)信号转换过程，实现(xian)了(le)真正的(de)光速计算(suan)。
这(zhe)项技术的(de)关键(jian)在于构建了(le)一个多阶段的(de)卷积网络(luo)ONN，它由多个并行(xing)核(he)心组(zu)成，能够以光速进行(xing)操作，直接从散射光中提取特征，实现(xian)图像的(de)快(kuai)速重建。这(zhe)一过程不仅极大(da)地提高了(le)成像速度，还显著增强了(le)成像质(zhi)量，使(shi)得在复杂散射环(huan)境中的(de)成像成为可能。同时(shi)，ONN的(de)计算(suan)速度达到了(le)每秒1570万亿次操作（1.57 Peta operations per second, POPS），为实时(shi)动态成像提供了(le)强大(da)的(de)支持。
研(yan)究成果 上海理工大(da)学 供图
此技术另一大(da)亮点是(shi)其多任务处理能力(li)。通过简单(dan)地调整(zheng)网络(luo)结(jie)构，同一ONN能够同时(shi)执行(xing)多种不同的(de)图像处理任务，如分类、重建等，在光学人工智能领域尚(shang)属首次。张启明提到：“这(zhe)种灵活(huo)性和效率的(de)结(jie)合，不仅展示了(le)卷积网络(luo)在人工智能中的(de)重要性，也为光学成像技术开辟了(le)新的(de)道(dao)路。”
这(zhe)项技术不仅是(shi)对卷积神经网络(luo)在光学领域的(de)一次成功(gong)移植，更是(shi)对人工智能成像技术的(de)一次重大(da)推动。顾敏表示：“随着技术的(de)不断发展和完善，卷积光学神经网络(luo)将在自动驾驶、机器人视(shi)觉、医学成像等多个领域将发挥(hui)更加(jia)重要的(de)作用，为人类的(de)生活(huo)带(dai)来(lai)更多便利，为科学研(yan)究提供更强大(da)的(de)工具(ju)。”